各位昇腾社区专家好，我们在昇腾 910B 上使用CANN 7.2 + PagedAttention部署 7B/13B 大模型高并发推理服务，目标是提升单卡并发会话数与吞吐，但遇到了KV Block 调度冲突、HBM 内存碎片化、动态批处理效率低三个核心问题，优化后始终达不到硬件理论性能，特来求助。

环境与现象

• 芯片：昇腾 910B 32GB HBM
• 模式：持续推理、多用户长上下文（2k～8k token）
• 问题：
  1. 开启 Paged KV Cache 后，高并发下频繁出现Block 未释放、重复分配，调度报错。
  2. 并发会话增多后，HBM 利用率高但有效吞吐不升反降，时延抖动大。
  3. ATC 编译 OM 时无法自动适配 Paged 结构，KV Cache 内存布局不匹配，推理报错。

已尝试：

• 调整 Block Size（64/128/256）
• 增大预分配池、限制最大并发
• 关闭部分算子融合、重新编译模型
• 修改 HCCL/ACL 内存策略均未稳定解决。

请教

1. 昇腾 910B 上 Paged KV Cache 的Block 大小、内存池大小如何配置最合理？
2. 高并发下KV Block 释放延迟、调度冲突的根因与规避方案是什么？
3. CANN 7.2 如何正确编译支持 PagedAttention 的 OM 模型，避免内存布局不兼容？